Dịch PDF và giữ nguyên bố cục: “Giữ định dạng” thực sự có nghĩa là gì
TABLE OF CONTENTS
“Giữ định dạng” nghe như một ô đánh dấu đơn giản — cho đến khi file PDF đã dịch trả về với các cột tràn ra ngoài, bảng bị vỡ và phông chữ không còn khớp. Dưới đây là ý nghĩa thực sự của việc giữ bố cục trước khi bạn trả tiền.
Vì sao bố cục bị vỡ sau khi dịch
PDF được thiết kế để trông giống nhau trên mọi thiết bị. Nó lưu các ký tự ở vị trí cố định trên trang — không phải các đoạn văn tự chảy lại khi nội dung thay đổi. Khi một người dịch (con người hoặc AI) trích xuất văn bản, dịch và đưa lại vào, ba yếu tố sau cùng lúc phá vỡ bố cục:
- Khung cố định, văn bản dài hơn. Nhiều ngôn ngữ châu Âu dài hơn tiếng Anh. Các ước tính trong ngành thường cho thấy tiếng Pháp dài thêm khoảng +15–20% và tiếng Đức khoảng +10–35% đối với văn bản thông thường; còn các chuỗi ngắn giống giao diện có thể dài ra nhiều hơn thế. Một khung văn bản được canh theo tiếng Anh sẽ không có chỗ cho các ký tự thừa, nên chữ bị tràn, bị co lại hoặc đè lên phần bên cạnh. PDF không thể “giãn một đoạn văn” như Word hay InDesign.
- Thứ tự đọc khác thứ tự nhìn. Các trang nhiều cột, thanh bên và tiêu đề thường lưu văn bản theo thứ tự không khớp với thứ tự mắt người đọc. Quá trình trích xuất có thể gộp các cột, tách câu tại những chỗ ngắt dòng cứng hoặc coi một tiêu đề là nhiều mảnh rời rạc.
- Cấu trúc chỉ tồn tại về mặt hình thức. Bảng có thể chỉ là các đường kẻ và ô được đặt sẵn vị trí, chứ không phải một đối tượng bảng thực sự. Hình ảnh nằm theo tọa độ. Phông chữ có thể được nhúng cho ngôn ngữ nguồn nhưng lại thiếu ký tự cho ngôn ngữ đích.
Đó là lý do việc sao chép và dán vào một công cụ dịch bằng chat gần như luôn làm hỏng trang: bạn chỉ còn lại các từ mà không còn tài liệu xung quanh. Các công cụ hỗ trợ bố cục cố gắng phân tích cấu trúc, dịch rồi dựng lại, nhưng vẫn phải đưa văn bản dài hơn (hoặc ngắn hơn) vào một thiết kế vốn không được tạo ra để thay đổi. Để xem tổng quan các phương pháp từng bước, hãy đọc cách dịch PDF mà không mất định dạng.
“Giữ định dạng” thực sự nên bảo toàn những gì
Các trang tiếp thị rất thích cụm từ này. Với người mua, hãy coi nó như một danh sách kiểm tra — chứ không phải lời hứa về một bản sao hoàn hảo đến từng pixel.
Bảng. Đường biên ô, căn chỉnh hàng/cột và kiểu tiêu đề phải được giữ nguyên. Nếu số liệu và nhãn bị xáo trộn thành một “mớ chữ”, công cụ đó chưa bảo toàn cấu trúc — nó chỉ dịch các chuỗi ký tự. Bảng lồng nhau phức tạp và biểu mẫu vẫn là phần có rủi ro cao nhất; hãy chuẩn bị một lượt kiểm tra lại. Về các lỗi thường gặp với bảng, xem bảng trong dịch tài liệu.
Phông chữ và kiểu chữ. Độ đậm (đậm/nghiêng), cỡ chữ, màu sắc và kiểu chữ gần đúng cần được giữ lại. Không phải lúc nào cũng khớp phông chữ chính xác: ngôn ngữ đích có thể cần những glyph mà phông nhúng không có (các ô “tofu” kinh điển khi hiển thị tiếng Trung, Nhật, Hàn, tiếng Ả Rập hoặc tiếng Nga). Một quy trình giữ định dạng nghiêm túc sẽ thay bằng phông tương thích thay vì lặng lẽ làm mất ký tự. Liên quan: vì sao phông chữ bị lỗi sau khi dịch.
Hình ảnh và đồ họa. Logo, ảnh, biểu đồ và các đường trang trí cần giữ nguyên vị trí. Chữ nằm trong một hình ảnh không phải là văn bản PDF — nó cần OCR hoặc một quy trình xử lý hình ảnh riêng. Chú thích và nhãn gần hình minh họa cần vẫn gắn đúng với hình đó.
Bố cục trang. Cột, lề, tiêu đề/chân trang và kích thước trang phải vẫn dễ nhận ra. “Giữ bố cục” không có nghĩa là không thay đổi gì khi văn bản giãn ra nhiều. Các công cụ trung thực có thể thu hẹp khoảng cách một chút, điều chỉnh cỡ chữ nhẹ hoặc tái bố trí trong một khối để trang vẫn dễ đọc. Thứ bạn nên từ chối là file tải về về cơ bản chỉ là văn bản thuần, với thương hiệu của bạn đã biến mất.
Một câu hỏi hữu ích khi mua: Kết quả xuất ra có phải là một file PDF được dựng lại với bảng, hình ảnh, phông chữ và bố cục trang còn nguyên vẹn — hay chỉ là một bản văn bản thô? Nếu trang sản phẩm chỉ cho thấy kết quả dạng chat, hãy tìm công cụ khác.
PDF gốc số và PDF quét (giới hạn OCR cần thẳng thắn)
Không phải PDF nào cũng là cùng một loại vấn đề.
| Loại | Bên trong có gì | Cách dịch | Kỳ vọng về bố cục |
|---|---|---|---|
| Gốc số (born-digital) | Lớp văn bản có thể chọn | Phân tích văn bản + cấu trúc, dịch, dựng lại | Cơ hội tốt nhất để giữ bảng, phông chữ, liên kết và bố cục |
| Quét / chỉ có ảnh | Ảnh chụp trang, ít hoặc không có văn bản | OCR trước, rồi dịch và đặt lại văn bản | Phụ thuộc chất lượng bản quét; dễ lệch bố cục hơn |
| Hỗn hợp | Một số trang gốc số, một số trang quét | Cần định tuyến từng trang | Dễ dịch thiếu hoặc OCR thừa |
PDF gốc số đã chứa văn bản chính xác từng ký tự. Chạy OCR trên chúng thường là một sai lầm: bạn thay văn bản chính xác bằng một phỏng đoán và có thể đưa lỗi vào. Hãy ưu tiên các bộ phân tích đọc được lớp văn bản.
PDF quét cần OCR. Chất lượng phụ thuộc vào độ phân giải, độ tương phản, độ nghiêng và khả năng hỗ trợ hệ chữ viết. Theo thực tế OCR, một ngưỡng tối thiểu tham khảo là: dưới khoảng 150–200 DPI, các nhầm lẫn ký tự sẽ tăng lên (rn→m, 0→O). Ảnh chụp bằng điện thoại bị nghiêng và chữ viết tay vẫn rất khó. Tài liệu dịch của Google Cloud cũng ghi nhận rằng PDF quét thường mất định dạng nhiều hơn PDF gốc số — đặc biệt với bảng dày đặc, bố cục nhiều cột và biểu đồ có nhãn.
Kiểm tra thực tế cho các tuyên bố “OCR + giữ bố cục”: OCR chỉ khôi phục các từ; dựng lại một thiết kế nhiều cột đã được trau chuốt từ điểm ảnh là một công việc thứ hai khó hơn nhiều. Các trang đơn giản, ảnh quét rõ nét, độ phân giải cao, thẳng đứng sẽ cho kết quả tốt. Bản fax mờ của các báo cáo phức tạp thường cần người rà soát lại — hoặc bản Word/InDesign gốc có thể chỉnh sửa nếu bạn còn giữ. Với các quy trình tập trung vào bản quét, xem cách dịch PDF quét năm 2026.
Cách xem trước trước khi trả tiền
Trả tiền cho cả một tài liệu khi chưa thấy chất lượng bố cục là cách người mua rơi vào tình huống có file không dùng được. Hãy dùng danh sách kiểm tra ngắn này:
- Xác định loại file. Thử chọn văn bản trong trình xem PDF. Nếu bạn có thể bôi đen các từ, file có khả năng là gốc số. Nếu cả trang hoạt động như một hình ảnh, hãy chuẩn bị cho các giới hạn của OCR.
- Tìm các phần khó trước. Mở những trang có bảng, văn bản hai cột, phông chữ tùy chỉnh và hình minh họa. Chính những trang này sẽ quyết định “giữ định dạng” có thực sự đáng tin với file của bạn hay không.
- Dùng bản xem trước miễn phí hoặc giới hạn. Ưu tiên các công cụ hiển thị một bản mẫu đã dịch kèm bố cục, chứ không chỉ báo giá theo số từ. Công cụ dịch PDF của OpenL cung cấp bản xem trước miễn phí mỗi ngày để bạn kiểm tra định dạng trên một mẫu trước khi trả tiền cho toàn bộ file — bao gồm bảng, hình ảnh, phông chữ và bố cục trang ở những nơi được hỗ trợ. Việc dịch toàn bộ tài liệu là dịch vụ trả phí vì tốn nhiều tài nguyên tính toán; bản xem trước tồn tại để bạn đánh giá mức độ phù hợp trước.
- Rà soát trước khi chia sẻ. Kiểm tra trang đầu và trang cuối, từng bảng, độ phủ phông chữ trong ngôn ngữ đích, và xem hình ảnh còn nằm cạnh đúng đoạn văn hay không. Nếu công cụ cũng trả về file đối chiếu song ngữ, hãy dùng nó để kiểm tra nhanh thuật ngữ.
- Chuyển sang phương án khác khi PDF là ngõ cụt. Nếu bố cục là yếu tố then chốt (tờ rơi in ấn, hồ sơ có quy định pháp lý), hãy yêu cầu file nguồn InDesign/Word. Dịch bản gốc có thể chỉnh sửa rồi xuất ra PDF mới vẫn tốt hơn nhiều so với việc cố xử lý một PDF đã bị làm phẳng.
Bước tiếp theo nhẹ nhàng: tải một PDF tiêu biểu lên doc.openl.io/translate/pdf, xem trước bố cục trên một mẫu, rồi mới quyết định bản dịch đầy đủ có đạt yêu cầu của bạn hay không. Giữ định dạng phải nghĩa là một tài liệu bạn thực sự có thể đưa cho khách hàng — chứ không phải một hy vọng.
Sources
- Translating PDF Files: Why Layouts Break — DTP Services Berlin — Văn bản PDF có vị trí cố định, lỗi thứ tự đọc và lý do khung không tự co giãn
- How to Translate a PDF and Keep the Layout — Vitra.ai — Phân tích từng thành phần về cột, bảng, phông chữ và việc văn bản giãn ra
- Expansion and contraction factors — Andiamo! — Khoảng giãn nở theo cặp ngôn ngữ dùng khi lên kế hoạch dư chỗ cho bố cục
- Text size in translation — W3C Internationalization — Vì sao các chuỗi ngắn giãn ra không tỷ lệ
- Translate documents — Google Cloud Translation — Ghi chú chính thức về việc mất định dạng với PDF gốc số và PDF quét
- What Is PDF Parsing / Supported File Types — LlamaIndex glossary — Đặc điểm của PDF gốc số và PDF quét, cùng giới hạn OCR
- Image / PDF → Text: The Reading Task (2026) — CodeSOTA — Vì sao OCR một PDF gốc số lại thêm lỗi
- AI PDF Translator — OpenL Doc — Giữ bố cục, OCR cho bản quét rõ nét và xem trước miễn phí trước khi trả tiền
